Welchen KI-Use-Case zuerst? Die Achse, die über Ihr ganzes KI-Programm entscheidet

TL;DR. Die meisten Mittelständler wählen den falschen ersten KI-Use-Case — den sichtbarsten statt den, der Wert, Machbarkeit und Vertrauen zugleich verbindet. Der beste Erstkandidat ist fast immer langweilig: ein hochfrequenter Schmerz mit sauberen Daten, kleinem Blast-Radius und einem Menschen in der Schleife. Bewerten Sie Kandidaten auf zwei Achsen (Wert × Machbarkeit), legen Sie sie in vier Quadranten, und nehmen Sie aus den Quick Wins nicht den größten, sondern den glaubwürdigsten Sieg. Denn der erste Use-Case ist kein Technik-, sondern ein politisches Projekt: Er finanziert das nächste. Diese Methode kommt vor allem anderen — bevor Sie über Agenten oder Hosting nachdenken.

---

Die These: Sie wählen falsch — und zwar systematisch

Fragen Sie einen Mittelständler nach seinem ersten KI-Projekt, und Sie hören erstaunlich oft dasselbe: der Chatbot auf der Website. Das Ding, das man im Meeting vorzeigen kann, das nach Zukunft aussieht, das jeder sieht.

Genau deshalb ist es fast immer falsch.

Die unbequeme These dieses Texts: Die meisten wählen den sichtbarsten Use-Case statt den, der Wert *und* Machbarkeit *und* Vertrauen verbindet. Sichtbarkeit ist keine dieser drei Achsen — sie ist nur das, was sich gut anfühlt. Und der erste Use-Case darf sich nicht gut anfühlen. Er muss gewinnen. Konkret muss er das eine gewinnen, was über den Erfolg Ihres gesamten KI-Programms entscheidet: Budget und Vertrauen für das Zweite.

Denn der erste Pilot ist nie nur ein technisches Projekt. Er ist ein politisches. Er entscheidet, ob die Belegschaft KI als Entlastung erlebt oder als Bedrohung — und wie Sie genau diese Belegschaft gewinnen statt verlieren, ist ein Thema für sich. Ob der Geschäftsführer beim nächsten Mal Ja oder Nein sagt. Ein Pilot, der niemandem nützte, aber teuer und öffentlich scheiterte, vergiftet die nächsten drei Jahre. Ein kleiner, unbestreitbarer Sieg dagegen öffnet jede Tür danach.

Die Metapher: KI ist Brandbeschleuniger, kein Funke

Das Bild, das wir Mittelständlern mitgeben: KI ist Brandbeschleuniger, kein Funke. Sie erzeugt nichts aus dem Nichts — sie verstärkt, was an Daten und Prozess schon da ist. Gießen Sie sie über einen aufgeräumten, hochfrequenten Prozess, lodert es. Gießen Sie sie über ein Datenchaos, qualmt es nur — und der Geruch bleibt im Haus hängen.

Das hat eine direkte Konsequenz für die Auswahl, und sie ist die wichtigste Einsicht des ganzen Texts: Datenverfügbarkeit schlägt fast immer Modell-Fähigkeit als Engpass. Der häufigste Killer eines Piloten ist nicht „die KI ist zu schwach", sondern „die Daten sind nicht da, nicht digital, nicht sauber — oder im Kopf von Herrn Schmitz, der nächstes Jahr in Rente geht". Bevor Sie über Modelle, Agenten oder Cloud reden: Liegen die Daten vor? In welcher Qualität?

Die zwei Achsen — ehrlich, ohne Euro

Bewerten Sie jeden Kandidaten auf zwei Achsen. Bewusst ohne Euro-Zahlen: Frühe Geschäftsfälle in Euro zu pressen macht nur die Tabelle wichtig, nicht die Wahrheit. Werten Sie qualitativ — das ist ehrlicher und schneller.

Wert (qualitativ). Vier Fragen:

• Häufigkeit — Wie oft passiert es? Täglich? Stündlich?
• Schmerz — Wie weh tut es jedes Mal?
• Zeitersparnis — Wie viel stumpfe, ungeliebte Zeit frisst es?
• Skalierung — Wiederholt es sich, oder ist es ein Einzelfall?

Die Faustregel: Frequenz schlägt Glamour. Ein Sachbearbeiter, der täglich 80 Lieferantenbestätigungen abtippt, ist mehr wert als der spektakuläre Quartalsreport, der viermal im Jahr glänzt. Etwas Kleines hundertmal die Woche schlägt etwas Großes einmal im Quartal.

Machbarkeit (die unterschätzte Achse). Drei harte Fragen:

• Daten — Sind sie da, digital und ordentlich?
• Klarheit — Ist die Aufgabe technisch sauber umrissen?
• Blast-Radius — Was passiert beim Fehler? Ein falsch sortierter E-Mail-Eingang ist reversibel. Eine automatisch versendete Mahnung an den Großkunden nicht.

Reversibilität ist Gold. Ein Use-Case, bei dem ein Mensch die KI-Ausgabe vor dem Versand prüft, ist machbarer als einer, der ungeprüft beim Kunden landet. Autonomie verdient man sich — sie ist kein Startwert.

Die vier Quadranten — wo Sie anfangen und wo nicht

Quick Wins (hoher Wert, hohe Machbarkeit) — hier anfangen. Ein Maschinenbauer, der eingehende Anfragen-PDFs vorklassifiziert und ins ERP vorbefüllt. Strukturierte Daten, täglich, Mensch prüft, kleiner Blast-Radius. Oder: technische Datenblätter durchsuchbar machen für den Innendienst. Oder die Eingangsrechnung, die heute jemand von Hand abtippt. Unsexy. Genau richtig.

Ein anonymisiertes Bild, ohne in Euro-ROI zu verfallen: Eingangsrechnungen, rund 120 am Tag, je etwa fünf Minuten Abtippen pro Beleg. Die KI extrahiert die Positionen, ein Mensch prüft eine Stichprobe und gibt frei. Erfolgsmetrik vorher festgelegt: Durchlaufzeit pro Beleg und Anteil ohne manuelle Korrektur. Kein Beleg geht ungeprüft raus — der Blast-Radius bleibt bei null. Genau diese Nüchternheit macht den Fall zum perfekten ersten Sieg.

Strategische Wetten (hoher Wert, niedrige Machbarkeit). Predictive Maintenance auf Sensordaten, die noch in fünf inkompatiblen Systemen liegen — oder gar nicht geloggt werden. Echter Wert, aber erst, wenn die Datenbasis steht. Bewusst aufheben für Use-Case zwei oder drei, wenn Datendisziplin und Vertrauen gewachsen sind.

Zeitverschwender (niedriger Wert, hohe Machbarkeit). Leicht zu bauen, interessiert niemanden. Der KI-Newsletter-Generator fürs Marketing, den keiner liest. Macht Spaß, bewegt nichts.

Fallen (niedriger Wert, niedrige Machbarkeit) — hier wohnt der Website-Chatbot. Schwer richtig hinzubekommen, halluziniert bei dünner Wissensbasis, und der Schaden ist öffentlich sichtbar. Maximaler Blast-Radius, fragwürdiger Wert. Genau der, den alle zuerst wollen.

Zurück zum Bild: Sie wollen den Prozess, der schon trocken und aufgeräumt daliegt — dort lodert die KI sofort. Die Fallen sind das feuchte Holz: Sie können beliebig viel Brandbeschleuniger draufgießen, es bleibt beim Qualm.

Der Tie-Breaker innerhalb der Quick Wins: Vertrauen

Wert und Machbarkeit sind die zwei Achsen, die Ihre Kandidaten sortieren. Doch im Quick-Wins-Quadranten landen meist mehrere — und welchen davon Sie zuerst nehmen, entscheidet ein dritter Faktor, der keine Matrix-Achse ist, sondern ein Tie-Breaker: Vertrauen. Der erste Use-Case muss drei Dinge sein:

• Sichtbar — damit Skeptiker den Erfolg nicht wegdiskutieren können.
• Messbar — denn „fühlt sich besser an" ist kein Argument im nächsten Budgetgespräch. Definieren Sie die Erfolgsmetrik vor der ersten Zeile: etwa Durchlaufzeit pro Vorgang oder den Anteil der Fälle, die ohne manuelle Korrektur durchlaufen.
• Reversibel — damit ein Fehlschlag niemanden verbrennt.

Nehmen Sie aus dem Quick-Wins-Quadranten deshalb nicht den größten Hebel, sondern den glaubwürdigsten — den, dessen Ergebnis am Montag jeder im Team selbst spürt.

Die Methode in drei Schritten

Schritt 1 — Sammeln, breit und ehrlich. Nicht die IT allein. Holen Sie Vertrieb, Buchhaltung, Service und Einkauf an einen Tisch und fragen Sie: Was nervt täglich? Was frisst Stunden? Was machen wir oft und ungern? Bewusst cross-funktional — die IT kennt die Systeme, aber nicht den Schmerz. Sie wollen den Schmerz.

Schritt 2 — Auf zwei Achsen scoren. Jeder Kandidat bekommt eine ehrliche, qualitative Bewertung auf Wert und Machbarkeit. Daten zuerst: kein Datensatz, kein Pilot.

Schritt 3 — In die Matrix legen. Wert × Machbarkeit, vier Quadranten. Aus den Quick Wins den glaubwürdigsten ziehen — und einen Owner benennen, dessen Arbeitstag der Use-Case messbar verbessert. Ein Projekt, das niemandem gehört, stirbt nach dem Kickoff.

Fünf Anti-Patterns — und ihre Korrektur

1. Der sexy Chatbot statt des stillen Schmerzes. Hoch sichtbar, niedriger Wert, hoher Reputationsschaden bei Halluzination. → Korrektur: Nehmen Sie den internen Hochfrequenz-Vorgang, den kein Kunde sieht. Dort darf die KI lernen, ohne dass ein Fehler die Marke kostet.

1. Der Moonshot ohne Daten. „Predictive Maintenance über die ganze Flotte" — aber die Sensordaten liegen in fünf inkompatiblen Systemen. → Korrektur: Datenverfügbarkeit ist ein Gate, kein Detail.

1. Der Use-Case ohne Owner. Gehört niemandem, will niemand. → Korrektur: Kein Start ohne eine Person, die ihn will.

1. Der unmessbare Innovations-Showcase. „Wir machen jetzt was mit KI." Niemand kann sagen, ob es geklappt hat. → Korrektur: Erfolgsmetrik vor der ersten Zeile — eine, die das Team selbst spürt.

1. Der irreversible Erstversuch mit großem Blast-Radius. KI direkt im Versand, in der Buchung, in der Kundenkommunikation — ohne Mensch dazwischen. → Korrektur: Erster Use-Case immer mit „Mensch im Lauf" und kleinem Radius.

Wohin von hier — erst wählen, dann bauen, dann betreiben

Diese Methode steht bewusst am Anfang. Erst wenn der erste Use-Case sauber gewählt ist, lohnen die nächsten Fragen — und für jede haben wir eine eigene Landkarte:

• Bauen, kaufen oder composen? Die erste Entscheidung direkt nach der Wahl: Setzen Sie auf ein fertiges Tool, eine Eigenentwicklung oder den ehrlichen Mittelweg? Die Logik der Fertigungstiefe steht in Build vs. Buy für Mittelstands-KI.
• Wie verhält sich das, was Sie bauen? Wenn Ihr Quick Win ein agentisches System wird, das mehrere Schritte selbst entscheidet, lesen Sie die Landkarte, wie sich KI-Agenten in der Produktion verhalten — und konkret die Betriebslücke zwischen Piloten und echtem Mittelstands-Betrieb.
• Wo läuft es? Sobald Daten und Use-Case stehen, wird die Hosting-Frage relevant: Wo KI im Mittelstand souverän läuft — pro Kontrolle, pro DSGVO, pro Datenhoheit.

Die Reihenfolge ist kein Zufall: Erst den Use-Case wählen. Dann bauen. Dann entscheiden, wo es läuft. Wer sie umdreht, kauft Infrastruktur für ein Problem, das er noch nicht verstanden hat.

Die Pointe

Der beste erste Use-Case ist fast nie der spektakulärste. Er ist der langweilige, hochfrequente Schmerz mit sauberen Daten — der stille Vorgang, den heute jemand von Hand erledigt, hundertmal die Woche, ohne dass ihn ein Kunde je zu sehen bekommt. Unsexy. Und genau deshalb gewinnt er.

Denn ein gewonnenes kleines Versprechen finanziert das nächste große. Verzetteln Sie sich am Spektakulären, stirbt Ihr KI-Programm im ersten Quartal an einem Chatbot, der Kunden falsche Öffnungszeiten nennt.

Die Faustregel zum Mitnehmen: Erst die Daten, dann die Achse, dann der Owner — und der erste Sieg muss sichtbar sein, nicht spektakulär.

---

Sie wollen Ihren ersten Use-Case nicht allein im Dunkeln tasten? So arbeiten wir: [die azena-Methode](/the-azena-way) und [KI-Beratung für den Mittelstand](/ki-beratung-mittelstand) — geerdet, proportional, ohne Hype.

Teil der Adoptions-Landkarte: [KI im Mittelstand einführen — von der Idee zur angenommenen Lösung](/blog/ki-mittelstand-einfuehren-adoptions-landkarte).